人工智能：机器学习PPT教学课件.pptx

模块3机器学习

模块3机器学习本模块讲述机器学习的定义和基本模型,机器学习与人类思维的对比,以及机器学习的分类和学习方法、机器学习的应用领域。通过本模块的学习,读者应达到以下学习目标:(1)了解机器学习的定义和基本模型;(2)了解机器学习的分类;(3)理解机器学习的方法;(4)了解机器学习的应用方向。

3.1认识机器学习3.1.1机器学习的定义机器学习的核心是学习,但究竟什么是学习,至今都没有一个统一的定义。来自神经学、心理学、计算机科学等不同学科的研究人员,从不同角度对学习给出了不同的解释。以下是关于学习比较有影响的定义:(1)西蒙(Simon,1983):学习就是系统中的适应性变化,这种变化使系统在重复同样工作或类似工作时,能够做得更好或效率更高。(2)明斯基(Minsky,1985):学习是人们头脑里(心理上)有用的变化。(3)迈克尔斯基(Michalski,1986):学习是对经历描述的建立和修改。

3.1认识机器学习3.1.1机器学习的定义机器学习的研究主要集中在三个方面展开:一二三一是认知模型的研究,目的是通过对人类学习机理的研究和模拟,从根本上解决机器学习方面存在的种种问题;二是理论学习的研究,目的是从理论上探索各种可能的学习方法,并建立起独立于具体应用领域的学习算法;三是面向任务的研究,目的是根据特定任务的要求建立相应的学习系统。

3.1认识机器学习3.1.1机器学习的定义人工智能是社会发展的重要推动力,而机器学习,尤其是深度学习技术是人工智能发展的核心,它们三者之间是包含与被包含的关系,如图3-1所示。图3-1人工智能、机器学习和深度学习三者之间的关系

3.1认识机器学习3.1.2机器学习的基本模型机器学习的实现依赖于学习系统,学习系统能够利用过去与环境相互作用时得到的信息提高自身的性能。机器学习系统的基本结构如图3-2所示。图3-2机器学习系统的基本结构影响学习系统设计的最重要因素是环境向系统提供的信息。知识库中存放的是执行部分动作的一般原则,但环境向学习系统提供的信息是多种多样的。如果信息的质量比较高,与一般原则的差别比较小,学习部分就比较容易处理。

3.1认识机器学习3.1.3机器学习与人类思考的类比把机器学习的过程与人类归纳历史经验的过程做个比较,如图3-3所示。图3-3机器学习与人类归纳历史经验的过程比较

3.1认识机器学习3.1.4机器学习的分类(1)有监督学习。有监督学习是通过已有的训练样本(已知数据及其对应的输出)进行训练,从而得到一个最优模型,再利用这个模型将所有新的数据样本映射为相应的输出结果,对输出结果进行简单的判断从而实现分类的目的。(2)无监督学习。无监督学习是在用来学习的数据没有任何类别信息以及给定目标值的情况下,通过学习寻求数据间的内在关系和统计规律,从而获得样本数据的结构特征。(3)强化学习。强化学习也称增强式学习,是一类通过交互来学习的机器学习算法。在强化学习中,智能体根据环境的状态做出一个动作,并得到即时或延时的奖励。智能体在与环境的交互中不断学习并调整策略。1.按有无指导来分

3.1认识机器学习3.1.4机器学习的分类2.按学习方法来分(1)机械式学习。机械式学习就是死记硬背式学习,是最简单、最原始的学习方法。机械式学习通过简单记忆和查询达到学习目的。(2)指导式学习。指导式学习就是由外部环境向系统提供一般性的指示或建议,系统把它们具体地转化为细节知识并送入知识库中。(3)范例学习。范例学习也称为基于实例的学习,是基于过去经验的一种学习方法,也可以看作一种类比学习。

3.1认识机器学习3.1.4机器学习的分类3.按推理策略来分(1)演绎学习。演绎学习就是根据常规逻辑进行演绎推理的学习方法。演绎推理是从一般到个别的推理,其学习过程是一个特化过程。(2)归纳学习。归纳学习就是从一系列正例和反例中,通过归纳推理产生一般概念的学习方法。归纳学习的目标是生成合理的能解释已知事实和预见新事实的一般性结论。归纳推理是从个别到一般的推理,其学习过程是一个泛化过程。(3)类比学习。类比学习就是通过对相似事物进行比较而得到结果的学习方法。类比学习依据从个别到个别的类比推理法。(4)解释学习。解释学习也称为分析学习,是从完善的领域理论出发演绎出有助于有效地利用领域理论的规则。其学习目的是提高系统性能,而不是修改领域理论。

3.2机器学习方法机器学习是在计算机系统的支持下,由大量样本数据通过机器建模获得学习模型作为结果的一个过程,可用下面的公式表示:样本数据+机器建模=学习模型由上述公式可见,机器学习的两大要素是样本数据与机器建模。学习模型是由样本数据通过机器建模而获得的学习结果,它是一种知识模型。下面讨论几种常见的